Lakaseg (kurz für "Landkarten segmentieren") ist der praktische Teil meiner Diplomarbeit "Semantische Segmentierung historischer topographischer Karten".

Eventuelle Updates wird es unter https://github.com/EinfachToll/Lakaseg geben

Kompilieren

• benötigt ImageMagick oder GraphicsMagick (unter Linux i.A. vorinstalliert, für Windows liegt ein Installer für GraphicsMagick bei (in 3rd_party/).)

• Für Linux oder Cygwin gibt es ein Makefile. Erstellen der Bibliothek mit 'make'. Erstellen einer Binärdatei mit 'make bin'.

• Für Visual Studio liegt eine Solution-Datei vor (Lakaseg.sln). Die Datei wurde ursprünglich mit Visual Studio 2008 erstellt, wurde aber auch erfolgreich mit VS 2013 getestet. Falls die .sln-Datei nicht kompatibel mit der verwendeten Visual-Studio-Version ist, hier eine kleine Anleitung zum Anlegen des Projekts:

  für die Exe-Datei:

  • Projekt anlegen
  • lakaseg.cpp zu dem source-Ordner hinzufügen
  • Projekteigenschaften -> C/C++ -> General -> Additional Include Directories -> 3rd_party/ reinschreiben
  • evtl. C/C++ -> Optimization -> Optimization -> /O2 einschalten
  • für OpenMP: bei C/C++ -> Command Line -> Additional options /openmp dazu

  für die DLL:

  • Projekt anlegen, dabei bei Application Settings das Kästchen Empty project ankreuzen und bei Application type den Knubbel DLL
  • ansonsten wie oben

Benutzung

• Zuerst muss mit Trainingsbildern ein Random Forest trainiert und gespeichert werden. Mit diesem kann man andere Kartenbilder segmentieren.

• Wenn man das Programm als Exe erstellt hat, kann man es auf der Kommandozeile benutzen. Hinweise zur Verwendung mit 'lakaseg.exe -h' (Windows) oder './lakaseg -h' (Linux)

• Empfohlen ist die Benutzung als Bibliothek unter Verwendung des Python-Moduls lakaseg.py (lauffähig mit Python 2 und Python 3).

  • die Pfade zu Ein- und Ausgabebildern und zur .json-Datei müssen unter Windows eventuell absolute Pfade sein statt relative

Training

• Man kann den Random Forest mit mehreren Bildern trainieren. Dabei muss es zu jedem Kartenbild ein Bild mit Labels geben.

• die Trainingsbilder sollten Grauwertbilder sein, denn es wird nur der R-Kanal davon verwendet.

• Ein Labelbild muss natürlich die gleiche Größe wie das dazugehörige Kartenbild haben. Auch hier wird nur der R-Kanal verwendet. Jedes Labelbild muss genau zwei Farben enthalten, wobei die hellere für den (interessanten) Vorder- und die dunklere für den (uninteressanten) Hintergrund steht. Wenn man mit mehreren Bildern trainiert, müssen die Label-Farben in allen Bildern gleich sein. Die Grauwerte dieser Labels müssen > 0 sein. Schwarze Pixel (also Grauwert = 0) bedeuten, dass es an diesem Pixel kein Label gibt, solche Pixel werden also beim Training ignoriert.

Beispiel:

import lakaseg

trainingsdaten = [("Testdaten/bk1.png", "Testdaten/bk1_labels.png"),
                  ("Testdaten/bk2.png", "Testdaten/bk2_labels.png")]

lakaseg.trainieren(trainingsdaten, "forest.json", forest_size=7,
         max_tree_depth=8, testobject_tries=300, number_of_threads=4)

Segmentieren

Beispiel:

import lakaseg

lakaseg.segmentieren("Testdaten/bk3.png", "forest.json", "ergebnis.png")

• die Pixel am Rand des Bildes können keinem Label zugeordnet werden, weil ja für die Klassifikation eines Pixels die Pixel in dessen Nachbarschaft verwendet werden. Diese Pixel werden im Ergebnisbild schwarz.

Lizenz

Für die Lizenzen der benutzten Bibliotheken siehe 3rd_party/

The MIT License (MIT)

Copyright (c) 2016 Daniel Schemala

Permission is hereby granted, free of charge, to any person obtaining a copy of this software and associated documentation files (the "Software"), to deal in the Software without restriction, including without limitation the rights to use, copy, modify, merge, publish, distribute, sublicense, and/or sell copies of the Software, and to permit persons to whom the Software is furnished to do so, subject to the following conditions:

The above copyright notice and this permission notice shall be included in all copies or substantial portions of the Software.

THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY, FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM, OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE SOFTWARE.